全领域多层级科学-技术分类体系映射研究

doi:10.3772/j.issn.1000-0135.2025.08.001

情报学报

2025, Vol. 44

Issue (8): 933-949 DOI: 10.3772/j.issn.1000-0135.2025.08.001

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

全领域多层级科学-技术分类体系映射研究

徐硕¹, 张跃富¹, 安欣²

1.北京工业大学经济与管理学院，北京 100124
2.北京林业大学经济管理学院，北京 100083

Mapping of Multilevel Science-Technology Classification Systems in All Fields

Xu Shuo¹, Zhang Yuefu¹, An Xin²

1.College of Economics and Management, Beijing University of Technology, Beijing 100124
2.School of Economics and Management, Beijing Forestry University, Beijing 100083

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (3115 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要创新根植于知识的创造、扩散和应用。然而，不同科技资源数据库在编制原则和体系结构上存在差异，给科技知识流动的促进以及科技创新的实现带来了挑战。本研究提出一种科学-技术分类体系逐层映射范式，旨在实现全领域多层级科学-技术分类体系映射，以便推动科技知识顺畅流动，进而探析不同位置科学型非专利引文对映射结果的影响。研究结果表明，科学和技术领域在各个层级都存在广泛的知识流动，而且不同领域间的知识流动方式呈现多样性。生物学、化学、计算机科学和医学等科学领域的知识扩散最为活跃，这些知识主要汇聚到C部（化学；冶金）、A部（人类生活必需）和G部（物理）等IPC（international patent classification）部类中；基于扉页引文位置的分类体系映射结果在科学-技术类目映射关系的覆盖广度、映射强度以及映射关系的准确性方面表现出明显优势，这说明不同位置的引文信息呈现出目的性、功能性和受众群体异质性的特征。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	徐硕
	张跃富
	安欣

关键词 ：科学-技术关联, 分类体系映射, 科学型非专利引文, OpenAlex, 国际专利分类体系

收稿日期: 2024-10-07

基金资助:国家自然科学基金项目“科技关联视角下新兴技术弱信号扫描预判方法研究”（72074014），“科学、技术和产业关联视角下未来产业发展路径探测及推荐研究”（72474016）。

作者简介: 徐硕，男，1979年生，博士，教授，博士生导师，主要研究领域为科学计量、科技情报分析和大数据挖掘；张跃富，男，1999年生，博士研究生，主要研究领域为科技情报分析；安欣，通信作者，女，1980年生，博士，教授，博士生导师，主要研究领域为科学计量、资源环境统计，E-mail：anxin@bjfu.edu.cn；

引用本文:

徐硕, 张跃富, 安欣. 全领域多层级科学-技术分类体系映射研究[J]. 情报学报, 2025, 44(8): 933-949.
Xu Shuo, Zhang Yuefu, An Xin. Mapping of Multilevel Science-Technology Classification Systems in All Fields. 情报学报, 2025, 44(8): 933-949.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2025.08.001 或 https://qbxb.istic.ac.cn/CN/Y2025/V44/I8/933

1 董明涛, 孙研, 王斌. 科技资源及其分类体系研究[J]. 合作经济与科技, 2014(19): 28-30.
2 Verbeek A, Debackere K, Luwel M, et al. Linking science to technology: using bibliographic references in patents to build linkage schemes[J]. Scientometrics, 2002, 54(3): 399-420.
3 李金城, 胡晟明. 知识流动与城市创新绩效: 基于知识关联度视角的空间溢出效应分析[J]. 学术交流, 2024(5): 113-138.
4 Popadiuk S, Choo C W. Innovation and knowledge creation: how are these concepts related?[J]. International Journal of Information Management, 2006, 26(4): 302-312.
5 Bhattacharya S, Meyer M. Large firms and the science-technology interface patents, patent citations, and scientific output of multinational corporations in thin films[J]. Scientometrics, 2003, 58(2): 265-279.
6 Huang M H, Yang H W, Chen D Z. Industry-academia collaboration in fuel cells: a perspective from paper and patent analysis[J]. Scientometrics, 2015, 105(2): 1301-1318.
7 董坤, 许海云, 罗瑞, 等. 科学与技术的关系分析研究综述[J]. 情报学报, 2018, 37(6): 642-652.
8 Narin F, Noma E. Is technology becoming science?[J]. Scientometrics, 1985, 7(3-6): 369-381.
9 Gl?nzel W, Meyer M. Patents cited in the scientific literature: an exploratory study of ‘reverse’ citation relations[J]. Scientometrics, 2003, 58(2): 415-428.
10 Coward H R, Franklin J J. Identifying the science-technology interface: matching patent data to a bibliometric model[J]. Science, Technology, & Human Values, 1989, 14(1): 50-77.
11 Xu S, Li L, An X. Do academic inventors have diverse interests?[J]. Scientometrics, 2023, 128(2): 1023-1053.
12 Xu S, Zhai D S, Wang F F, et al. A novel method for topic linkages between scientific publications and patents[J]. Journal of the Association for Information Science and Technology, 2019, 70(9): 1026-1042.
13 Xu S, Li L, An X, et al. An approach for detecting the commonality and specialty between scientific publications and patents[J]. Scientometrics, 2021, 126(9): 7445-7475.
14 郜梦蕊. 基于专利引文的人工智能领域科学-技术关联分析[D]. 南京: 南京大学, 2019.
15 李睿, 容军凤, 张玲玲. 试论“科学-技术关联”计量模型的不足及改进——学科-领域对应优化视角[J]. 图书情报工作, 2013, 57(5): 86-93.
16 国家市场监督管理总局, 国家标准化管理委员会. 科技资源关联及聚合原则与方法: GB/T 44628—2024[S]. 北京: 中国标准出版社, 2024.
17 Velayos-Ortega G, López-Carre?o R. Non-patent literature[J]. Encyclopedia, 2021, 1(1): 198-205.
18 国家图书馆《中国图书馆分类法》编辑委员会. 中国图书馆分类法[M]. 5版. 北京: 国家图书馆出版社, 2010.
19 Clarivate. Web of Science Core Collection overview[EB/OL]. [2023-09-01]. https://webofscience.help.clarivate.com/en-us/Content/wos-core-collection/wos-core-collection.htm.
20 WIPO. IPC publication[EB/OL]. [2023-09-01]. https://ipcpub.wipo.int.
21 Priem J, Piwowar H, Orr R. OpenAlex: a fully-open index of scholarly works, authors, venues, institutions, and concepts[OL]. (2022-09-07). https://arxiv.org/pdf/2205.01833.
22 Marx M, Fuegi A. Reliance on science by inventors: hybrid extraction of in-text patent-to-article citations[J]. Journal of Economics & Management Strategy, 2022, 31(2): 369-392.
23 Marx M, Fuegi A. Reliance on science: worldwide front-page patent citations to scientific articles[J]. Strategic Management Journal, 2020, 41(9): 1572-1594.
24 Huxley L. Follow the fox to renardus: an academic subject gateway service for Europe[C]// Proceedings of the 4th European Conference on Research and Advanced Technology for Digital Libraries. Heidelberg: Springer, 2000: 395-398.
25 李悦, 苏成, 潘云涛. 分类法映射研究综述[J]. 情报理论与实践, 2018, 41(9): 154-160.
26 Iyer H, Giguere M. Towards designing an expert system to map mathematics classificatory structures[J]. Knowledge Organization, 1995, 22(3/4): 141-147.
27 李鲍, 李芳, 曲建峰, 等. 分类知识组织体系互操作系统设计与实现[J]. 图书馆杂志, 2015, 34(8): 78-84.
28 戴剑波, 侯汉清. 图书分类法映射系统设计原理——以《中国图书馆分类法》和《杜威十进分类法》为例[J]. 情报学报, 2005, 24(3): 299-303.
29 戴剑波, 侯汉清. 文献分类法自动映射系统的构建——以《中国图书馆分法》与《杜威十进分类法》为例[J]. 情报学报, 2006, 25(5): 594-599.
30 陈瑞, 贾君枝. 基于众包模式的分类法映射研究[J]. 情报理论与实践, 2020, 43(7): 137-143.
31 陈瑞. 基于分类法自动映射的众包实现——以CLC与DDC、LCC化学类目映射为例[D]. 太原: 山西大学, 2019.
32 Zins C, Santos P L V A C. Mapping the knowledge covered by library classification systems[J]. Journal of the American Society for Information Science and Technology, 2011, 62(5): 877-901.
33 Cope E. From UDC to DDC: reclassification at the University of Bath[C]// Proceedings of the Conference on Cataloguing and Indexing Group, Sheffield, United Kingdom, 2012: 68-73.
34 李晓瑛, 刘懿, 李爱花, 等. 生物医学领域多源文献数据学科映射方法优化研究[J]. 数字图书馆论坛, 2023, 19(3): 1-9.
35 唐小利, 李晓瑛, 刘懿, 等. 基于分析工具与期刊同现双重优化的生物医学领域学科分类体系映射研究[J]. 医学与社会, 2022, 35(12): 108-113, 144.
36 石雨晴. 基于中图—专业分类映射的高校图书馆图书推荐方法的研究与实现[D]. 沈阳: 辽宁大学, 2017.
37 张俊娥, 陈建龙. 高校图书馆基于学科映射的数据资源增值服务[J]. 大学图书馆学报, 2023, 41(3): 19-27, 18.
38 European Patent Office. Cooperative Patent Classification system[EB/OL]. [2025-01-01]. https://www.cooperativepatentclassification.org/home.
39 European Patent Office. CPC concordances[EB/OL]. [2025-01-01]. https://www.cooperativepatentclassification.org/cpcConcordances.
40 白林林, 祝忠明. 合作专利分类体系(CPC)与国际专利分类体系(IPC)的映射分析[J]. 知识管理论坛, 2017, 2(5): 398-405.
41 Dickens D T. The ECLA classification system[J]. World Patent Information, 1994, 16(1): 28-32.
42 Van Looy B, Vereyen C, Schmoch U. Patent statistics: concordance IPC V8-NACE Rev. 2 (version 2.0)[R]. Brussels: Eurostat, European Commission, 2014.
43 Dorner M, Harhoff D. A novel technology-industry concordance table based on linked inventor-establishment data[J]. Research Policy, 2018, 47(4): 768-781.
44 Verspagen B, van Moergastel T, Slabbers M. MERIT concordance table: IPC-ISIC (rev. 2)[R]. Maastricht: UNU-MERIT, 1994: 1-20.
45 Schmoch U, Laville F, Patel P, et al. Linking technology areas to industrial sectors: final report to the European Commission, DG research[R]. Brussels: European Commission, 2003: 100.
46 Johnson D K. The OECD Technology Concordance (OTC): patents by industry of manufacture and sector of use[R]// OECD Science, Technology and Industry Working Papers. Paris: OECD Publishing, 2002: No.2002/05.
47 徐硕, 孙童菲, 罗贵缘, 等. 分类体系双向映射视角下的科学-技术互动分析[J]. 中国发明与专利, 2024, 21(4): 4-15.
48 宋艳辉, 陈歆琦. 基于作者研究相似性的CLC与IPC类目同现映射研究[J]. 情报学报, 2024, 43(8): 927-935.
49 周林志, 齐建东, 王建新, 等. 基于词汇相似度的IPC与CLC映射[J]. 计算机工程, 2010, 36(23): 274-276, 279.
50 周林志. 国际专利分类法与中图分类法类目映射研究[D]. 北京: 北京林业大学, 2010.
51 靳雪茹. 基于机器学习的IPC与CLC类目映射方法[D]. 北京: 北京林业大学, 2011.
52 何贤敏, 李茂西, 何彦青. 基于孪生BERT网络的科技文献类目映射[J]. 计算机研究与发展, 2021, 58(8): 1751-1760.
53 黄敏. 基于预训练语言模型的IPC与高相似CLC类目自动映射研究[D]. 南昌: 江西师范大学, 2024.
54 Uzzi B, Mukherjee S, Stringer M, et al. Atypical combinations and scientific impact[J]. Science, 2013, 342(6157): 468-472.
55 Kolascyk E D. Statistical analysis of network data: methods and models[M]. New York: Springer, 2009.
56 Bryan K A, Ozcan Y, Sampat B. In-text patent citations: a user’s guide[J]. Research Policy, 2020, 49(4): 103946.
57 Reimers N, Gurevych I. Sentence-BERT: sentence embeddings using Siamese BERT-networks[C]// Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing. Stroudsburg: Association for Computational Linguistics, 2019: 3982-3992.
58 Patricoski J, Kreimeyer K, Balan A, et al. An evaluation of pretrained BERT models for comparing semantic similarity across unstructured clinical trial texts[M]// Informatics and Technology in Clinical Care and Public Health. Amsterdam: IOS Press, 2022: 18-21.